Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 232
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Eu concordo, na minha opinião, se uma pessoa pode pelo menos correr os dados e obter um logloss abaixo de 0.69300 (aleatório) então ela tem o direito de falar sobre IA e MO aqui, o resto não é lucrativo
meu resultado https://numer.ai/ai/toxic
https://numer.ai/ai/dr_tr
0,69184 acertou :)
Concurso interessante, e prémios interessantes.
Eu também me pergunto em que princípio os seus preditores são criados. Normalmente tenho dependências que desaparecem com o tempo, ou seja, treinei o modelo na primeira metade do arquivo, e esperava que o erro crescesse com o tempo, como de costume, na segunda metade do arquivo. Mas lá - não, tudo está tão estacionário, sem degradação com o tempo. Embora tenham prometido dados relacionados com o comércio. Inusitado. Talvez as filas na mesa estejam embaralhadas aleatoriamente.
Este fio está ficando muito grande e ilegível. Sugiro iniciar um novo tópico "RUserGroup" para discutir apenas a aplicação específica de modelos de aprendizagem de máquinas no terminal MT4/5 em linguagens que o permitam sem problemas. Eu conheço dois (R, Python). Discussões a serem realizadas com o código fornecido. Especialistas com experiência em outros idiomas também são bem-vindos.
Podemos começar com um exemplo de rede convolucional em posts anteriores.
Boa sorte.
Eu sou a favor! Mas eles vão cagar tudo na mesma((.
tenho outra pergunta: qual é a verdadeira vantagem de uma rede convolucional em comparação com uma rede convencional? no mercado, é claro)
você foi informado há algumas páginas atrás - você tem uma idéia, você precisa testá-la em 5 minutos (um dia, uma semana). e não se sabe se sua idéia é viável ou originalmente nado-morto. que opção você escolhe - usar um pacote pronto, que um estudante pode descobrir em 5 minutos, ou escrever uma infra-estrutura completa novamente você mesmo? se a segunda opção, então é sadomasoquismo, e as pessoas normais não vão com você))
Eu concordo, na minha opinião, se uma pessoa pode pelo menos correr os dados e obter um logloss abaixo de 0.69300 (aleatório) então ela tem o direito de falar sobre IA e MO aqui, o resto não é lucrativo
minha pontuação https://numer.ai/ai/toxic
Eu sou a favor! Mas eles vão estragar tudo na mesma((.
Tenho outra pergunta: qual é a vantagem real de uma rede de roll-ups sobre uma rede normal na sua opinião? no mercado, é claro).
As redes convolucionais são afiadas para classificar os dados representados por matrizes. Não vejo nenhuma vantagem sobre o profundo e acho que um modelo mais apropriado é o LSTM, pois nossos dados são séries temporais.
O exemplo é oferecido para análise, pois há código para comentar, e há alguns erros fundamentais que seriam úteis para que todos soubessem. Se for do interesse do autor, claro.
Boa sorte.
mytarmailS:
Eu sou a favor! Mas eles vão estragar tudo na mesma((.
Tenho outra pergunta: qual é a vantagem real de uma rede de roll-ups sobre uma rede normal na sua opinião? no mercado, é claro).
As redes convolucionais são afiadas para classificar os dados representados por matrizes. Não vejo nenhuma vantagem sobre o profundo e acho que um modelo mais apropriado é o LSTM, já que nossos dados são uma série temporal.
O exemplo é oferecido para análise, pois há código para comentar, e há alguns erros fundamentais que seriam úteis para que todos soubessem. Se for do interesse do autor, claro.
Boa sorte.
Na verdade, todos estão interessados, não só o autor...
Também ouvi dizer que a rede convolucional tem a propriedade da escalabilidade no reconhecimento, que é capaz de reconhecer um objeto (padrão) mesmo que seja um pouco diferente do tamanho e da forma da amostra de treinamento, é verdade?
Eu também me pergunto que princípio eles usam para criar preditores. Normalmente tenho dependências que desaparecem com o tempo, ou seja, treinei o modelo na primeira metade do arquivo, e esperava que o erro crescesse com o tempo, como de costume, na segunda metade do arquivo. Mas lá - não, tudo é tão estacionário, sem degradação com o tempo. Embora tenham prometido dados relacionados com o comércio. Inusitado. É possível que as filas na mesa estejam embaralhadas aleatoriamente.
Leia os artigos deles no blog, não é mais que meia hora de leitura muito interessante, como eles ofuscaram os dados, por que tudo isso e assim por diante. As cordas são definitivamente misturadas, os atributos e fontes de dados são classificados, além disso, esses atributos são projetados em uma base específica para misturá-los uns com os outros a um estado de homogeneidade para que você não consiga entender sua origem.
Na verdade, todos estão interessados, não só o autor...
Também ouvi a idéia de que a rede convolucional tem a propriedade da escalabilidade no reconhecimento, que é capaz de reconhecer o objeto (padrão), mesmo que seja um pouco diferente do tamanho e da forma da amostra de treinamento, é verdade?
Se estamos a falar de uma imagem, sim, é verdade.
Se é sobre a imagem, então sim, é verdade.
Mas e a linha do tempo?
Qual é a situação com a linha do tempo?
Eu não obtive bons resultados. Você precisa de preditores (ao contrário de outros modelos) que são altamente correlacionados.
Ainda não encontrei nenhum que desse resultados aceitáveis. Mas eu não experimentei muito tempo. Eu não tenho muito tempo. Pode tentar. A amostra tem um código totalmente funcional.
Boa sorte.
PS. Se você tentar, nas matrizes de entrada, os preditores devem ser linhas e não colunas.